基于非连续网络的深度契约设计
机器学习
2023-10-30 v2 人工智能
摘要
契约设计涉及委托人就由代理人行为所产生结果的支付建立契约协议。在本文中，我们开创性地研究了用于自动设计最优契约的深度学习。我们引入了一种新颖的表示：非连续 ReLU（DeLU）网络，它将委托人的效用建模为契约设计的非连续分段仿射函数，其中每一段对应于代理人采取某一特定行动。DeLU 网络隐式地学习代理人激励相容约束与委托人效用最大化目标的闭式表达式，并通过线性规划或内点法在每一段上支持并行推理以求解最优契约。我们提供的实证结果表明，该方法能以少量训练样本成功逼近委托人的效用函数，并可扩展至在具有大量行动与结果的问题上求得近似最优契约。
引用
@article{arxiv.2307.02318,
title = {Deep Contract Design via Discontinuous Networks},
author = {Tonghan Wang and Paul Dütting and Dmitry Ivanov and Inbal Talgam-Cohen and David C. Parkes},
journal= {arXiv preprint arXiv:2307.02318},
year = {2023}
}